CN105326507A - 超像素分割和曲线波相融合的三维人体测量方法 - Google Patents
超像素分割和曲线波相融合的三维人体测量方法 Download PDFInfo
- Publication number
- CN105326507A CN105326507A CN201510705346.6A CN201510705346A CN105326507A CN 105326507 A CN105326507 A CN 105326507A CN 201510705346 A CN201510705346 A CN 201510705346A CN 105326507 A CN105326507 A CN 105326507A
- Authority
- CN
- China
- Prior art keywords
- human body
- dimensional
- curvelet
- curve
- slic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Dentistry (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于基于机器视觉的三维测量技术领域,具体为一种超像素分割和曲线波相融合的三维人体测量方法。利用超像素分割(SLIC?super?pixel?segmentation)对单目摄像机获取的人体正、侧面图像进行分割。进而提出曲线波(Curvelet)模系数相关法提取人体正、侧面轮廓并通过最小二乘法拟合出光滑的轮廓曲线。然后,根据曲率计算进一步提取需测量人体关键尺寸所在截面的边缘坐标点,计算人体特征值并换算出实际尺寸。最后,建立数学模型,进行围度曲线拟合,用弧长积分计算周长,从而获取人体尺寸。本发明可应用于三维物体测量等场合。
Description
技术领域
本发明属于基于机器视觉的三维测量领域,涉及一种三维人体测量方法,特别涉及一种采用超像素分割和曲线波相融合的技术实现三维人体测量。
背景技术
目前基于计算机视觉的三维人体测量方法有了一定的研究成果,但尚存在如下问题:
(1)难以解决三维人体扫描仪设备复杂、价格昂贵而不能向普通用户普及的问题。三维人体扫描仪可获得精确的三维人体数据,但是由于其对设备和外界光线要求高、造价昂贵,则主要用于科学实验中,不能向普通用户普及。
(2)难以解决输入图像人体轮廓精确提取的问题。由于人体衣着以及光照、背景等外部环境的影响,由单目摄像机获取的图像噪声较大,难以获取精准的轮廓。
图像轮廓提取因成像方式、应用的特殊性以及其它复杂因素的影响,所用算法也会有所不同。而三维人体测量对图像轮廓提取提出了特殊要求:轮廓单像素宽度、人体轮廓精度、自动完成分割等。在成像中不可避免地受到光线、噪声等因素影响,而这些也直接影响到轮廓提取算法的完美性。目前,还没有一种轮廓提取方法能适用于通用的图像的轮廓提取。目前有许多方法可用于图像轮廓提取,从原理上可分为基于边缘、基于区域和基于模型三类。
基于边缘的方法在边缘检测算子获得边缘图像的基础上完成对图像的轮廓提取,常用的有边缘图像门限法、边缘松弛法、边界跟踪、图搜索法检测边界、动态规划检测边界、Hough变换法等;但它也存在边缘不连续、有虚假边缘和不能将主体目标从背景中分割出来的缺点。
基于区域方法是依据区域内部的均匀性而实现的分割,它可以分为合并、分裂及合并-分裂三种。但也存在不能精确定位轮廓的问题。
基于模型方法主要有基于偏微分方程的目标轮廓提取方法,如Snake或ActiveContourModels、水平集分割方法(levelsetmethods)等。但其运算量较大。
因此,结合超像素分割和曲线波技术,设计一种超像素分割和曲线波相融合的三维人体测量方法,能够较好解决人体轮廓精确提取的难题。并对其他应用领域的三维测量也有很好的指导借鉴意义,具有一定的应用价值。
发明内容
本发明所要解决的技术问题是,设计一种超像素分割和曲线波相融合的三维人体测量方法。
本发明所采用的技术方案是:利用超像素分割(SLICsuperpixelsegmentation)对单目摄像机获取的人体正、侧面图像进行分割。进而提出曲线波(Curvelet)模系数相关法提取人体正、侧面轮廓并通过最小二乘法拟合出光滑的轮廓曲线。然后,根据曲率计算进一步提取需测量人体关键尺寸所在截面的边缘坐标点,计算人体特征值并换算出实际尺寸。最后,建立数学模型,进行围度曲线拟合,用弧长积分计算周长,从而获取人体尺寸。
本发明的目的在于采用超像素和曲线波技术实现三维人体测量。
附图说明
附图1是:超像素分割和曲线波相融合的三维人体测量方法流程图
具体实施方式
具体过程如下:
1、原始图像灰度化
彩色人体正、侧面图像转化为灰度图像。根据人眼对图像的敏感度,采用公式(1)对图像进行转化。
f(i,j)=0.3R(i,j)+0.59G(i,j)+0.11B(i,j)(1)
2、图像分割
采用超像素分割(SLICsuperpixelsegmentation)对人体正、侧面图像进行分割。
3、基于曲线波的人体正、侧面的轮廓提取
曲线波(Curvelet)能多尺度多方向更精确地描述目标的纹理特征。为了抑制噪声对人体轮廓提取的干扰,提出曲线波模系数相关法获取人体轮廓。该方法的基本思想是:在相邻尺度上,目标的边缘的幅值较大,而噪音的边缘会迅速衰减。根据人体正、侧面图像的大小,本发明对其进行5尺度分解。
具体的实现步骤如下:
第1步:计算第3尺度和第2尺度之间的相关系数
第2步:用公式(2)检测第3尺度边缘点
|cor(S,2N-1)(i,j)-cor(S,2N)(i,j)|>Tss=3(2)
其中,Ts是阈值。
第3步:根据下列规则,检测第2尺度边缘点
如果第3尺度的3个或3个以上的相关系数矩阵属于边缘,则对应的第2尺度的系数矩阵为边缘,否则,为噪音。
第4步:根据下列规则,检测第1、4和5尺度边缘点
|B(S,N)|>Ps,s=1,4,5(3)
其中,Ps是阈值。
第5步:重构各尺度边缘点实现边缘检测。
通过人体尺寸线定义,确定关键尺寸所在截面的边缘坐标点的范围,通过最小二乘法对检测到的轮廓边缘进行分段拟合,进而获得闭合的轮廓曲线。
4、关键尺寸点坐标的获取
通过计算人体轮廓曲线的曲率来确定人体关键尺寸所在截面的边缘坐标点。比如,正面轮廓曲线中,肩部曲率最大的点即为肩点;上身下半部曲线中曲率最大的点即为腰围所在截面的边缘坐标点。侧面轮廓曲线中,上身曲率最大的点即为胸围所在截面的边缘坐标点,并换算出实际尺寸。
5、基于轮廓的三维人体曲线拟合
依据人体三维横截面曲线前后不对称性以及测量经验,将人体三维截面曲线划分为:前胸厚、后胸厚、前腰厚、后腰厚、前臀厚、后臀厚。依据人体的左右
对称性以及人体三维横截面曲线特性,确定以对数函数来拟合人体1/4曲线。
y=a*lnx+b(4)
采用回归分析计算截距b,再依据上述划分求得各截面曲线的函数表达式,在用弧长积分,求得人体胸围、腰围、臀围尺寸。
本发明优点在于,提出超像素分割与曲线波相结合的轮廓提取的新方法,满足基于图像的三维人体测量对于人体轮廓提取的要求,进而提高了人体尺寸测量的准确性。
Claims (1)
1.一种超像素分割和曲线波相融合的三维人体测量方法,其特征在于,所述超像素分割与曲线波相结合的人体轮廓提取;所述利用超像素分割(SLICsuperpixelsegmentation)对单目摄像机获取的人体正、侧面图像进行分割;所述提出曲线波(Curvelet)模系数相关法提取人体正、侧面轮廓;所述根据曲率进一步提取测量人体关键尺寸所在截面的边缘坐标点;所述人体特征值和实际尺寸关系模型的建立。所述依据数学模型,进行围度拟合,并用弧长积分计算周长,从而获取人体三维尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510705346.6A CN105326507A (zh) | 2015-10-23 | 2015-10-23 | 超像素分割和曲线波相融合的三维人体测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510705346.6A CN105326507A (zh) | 2015-10-23 | 2015-10-23 | 超像素分割和曲线波相融合的三维人体测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105326507A true CN105326507A (zh) | 2016-02-17 |
Family
ID=55277433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510705346.6A Pending CN105326507A (zh) | 2015-10-23 | 2015-10-23 | 超像素分割和曲线波相融合的三维人体测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105326507A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384380A (zh) * | 2016-08-31 | 2017-02-08 | 重庆七腾软件有限公司 | 3d人体扫描建模量测方法及其系统 |
CN106570476A (zh) * | 2016-10-28 | 2017-04-19 | 黑龙江省科学院自动化研究所 | 一种三维人体测量中关键尺寸自动提取方法 |
CN108648228A (zh) * | 2018-05-16 | 2018-10-12 | 武汉纺织大学 | 一种双目红外人体尺寸测量方法及系统 |
CN108665471A (zh) * | 2018-05-30 | 2018-10-16 | 高鹏 | 一种基于摄像头的人体背部曲线获取方法及系统 |
CN110189326A (zh) * | 2019-04-09 | 2019-08-30 | 广东元一科技实业有限公司 | 一种基于二维图像的人体数据测量系统及其测量方法 |
CN110974234A (zh) * | 2019-12-31 | 2020-04-10 | 北京师范大学 | 三围测量方法、装置、系统、设备及存储介质 |
CN114271797A (zh) * | 2022-01-25 | 2022-04-05 | 泰安市康宇医疗器械有限公司 | 基于三维建模技术的体态密度法测量人体成分的系统 |
-
2015
- 2015-10-23 CN CN201510705346.6A patent/CN105326507A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384380A (zh) * | 2016-08-31 | 2017-02-08 | 重庆七腾软件有限公司 | 3d人体扫描建模量测方法及其系统 |
CN106570476A (zh) * | 2016-10-28 | 2017-04-19 | 黑龙江省科学院自动化研究所 | 一种三维人体测量中关键尺寸自动提取方法 |
CN108648228A (zh) * | 2018-05-16 | 2018-10-12 | 武汉纺织大学 | 一种双目红外人体尺寸测量方法及系统 |
CN108665471A (zh) * | 2018-05-30 | 2018-10-16 | 高鹏 | 一种基于摄像头的人体背部曲线获取方法及系统 |
CN110189326A (zh) * | 2019-04-09 | 2019-08-30 | 广东元一科技实业有限公司 | 一种基于二维图像的人体数据测量系统及其测量方法 |
CN110974234A (zh) * | 2019-12-31 | 2020-04-10 | 北京师范大学 | 三围测量方法、装置、系统、设备及存储介质 |
CN114271797A (zh) * | 2022-01-25 | 2022-04-05 | 泰安市康宇医疗器械有限公司 | 基于三维建模技术的体态密度法测量人体成分的系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105326507A (zh) | 超像素分割和曲线波相融合的三维人体测量方法 | |
CN109903327A (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN108010075B (zh) | 一种基于多特征联合的局部立体匹配方法 | |
CN104318548A (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN104834893A (zh) | 一种正面视角的行人步态周期检测方法 | |
CN110378341A (zh) | 一种双目视觉行人距离检测方法 | |
CN110378924A (zh) | 基于局部熵的水平集图像分割方法 | |
CN103826032A (zh) | 深度图后期处理方法 | |
CN106097317A (zh) | 一种基于离散余弦相位信息的多光斑检测和定位方法 | |
Bao et al. | Step edge detection method for 3d point clouds based on 2d range images | |
CN106933976B (zh) | 建立人体3d净模型的方法及其在3d试衣中的应用 | |
CN106529548A (zh) | 亚像素级的多尺度Harris角点检测算法 | |
Nakamura et al. | Estimation method of clothes size for virtual fitting room with kinect sensor | |
CN114569114A (zh) | 一种身高测量方法及装置 | |
CN113256706A (zh) | 一种基于zynq的实时光条纹中心提取系统及方法 | |
CN104200460B (zh) | 基于图像特征和互信息的图像配准方法 | |
CN109443319A (zh) | 基于单目视觉的障碍物测距系统及其测距方法 | |
CN106204564A (zh) | 一种激光光心提取方法 | |
CN105550667B (zh) | 一种基于立体相机的骨架信息动作特征提取方法 | |
CN104951767A (zh) | 基于关联程度的三维人脸识别技术 | |
Nguyen et al. | Hand detecting and positioning based on depth image of Kinect sensor | |
Bhaidasna et al. | A review on level set method for image segmentation | |
CN112070804A (zh) | 一种基于tof相机的运动目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160217 |
|
WD01 | Invention patent application deemed withdrawn after publication |